Vi presenterer «Bygg med lama 4». Dette korte kurset er laget med @Meta @AIatMeta, og undervist av @asangani7, Director of Partner Engineering for Metas AI-team. Metas nye Llama 4 har lagt til tre nye modeller og introdusert Mixture-of-Experts (MoE)-arkitekturen til sin familie av åpne vektmodeller, noe som gjør dem mer effektive å betjene. På dette kurset vil du jobbe med to av de tre nye modellene introdusert i Llama 4. Først er Maverick, en 400B-parametermodell, med 128 eksperter og 17B aktive parametere. Den andre er Scout, en 109B parametermodell med 16 eksperter og 17B aktive parametere. Maverick og Scout støtter lange kontekstvinduer på henholdsvis opptil en million tokens og 10 millioner tokens. Sistnevnte er nok til å støtte direkte inntasting av selv ganske store GitHub-repositorier for analyse! I praktiske leksjoner vil du bygge apper ved hjelp av Llama 4s nye multimodale funksjoner, inkludert resonnement på tvers av flere bilder og bildejording, der du kan identifisere elementer i bilder. Du vil også bruke den offisielle Llama API, jobbe med Llama 4s langkontekstevner og lære om Llamas nyeste åpen kildekode-verktøy: dens raske optimaliseringsverktøy som automatisk forbedrer systemforespørsler og syntetisk datasett som genererer datasett av høy kvalitet for finjustering. Hvis du trenger en åpen modell, er Llama et flott alternativ, og Llama 4-familien er en viktig del av enhver GenAI-utviklers verktøysett. Gjennom dette kurset lærer du å kalle Llama 4 via API, bruke optimaliseringsverktøyene og bygge funksjoner som spenner over tekst, bilder og stor kontekst. Vennligst registrer deg her: